作者：Tim2354
我一直有写一个文档的想法，向读者介绍一些工具和技巧，让各位能更好地理解AI，高效地使用AI。鉴于不少我们社团的新生都想进一步了解AI，这更促使我去做点什么，写一个面向大众（最好是理工科的大学生）的小讲义，然后开一个我们学校社团内部的小班。不过讲义本身是开放的，正如你在GitHub上看到的那样。
本文面向中国学生撰写，故为了便于学习，给出的网址很多易于在国内访问。但我会在文章中提及一些国外大模型的内容。
你能学到什么？
- 知道AI大概是什么，大致了解它的运行逻辑
- 使用Markdown等结构化语言来更好地与AI对话
- 基于Markdown来撰写提示词，以及习得提问的技巧
- 学会利用API来调用模型，了解到好用的平台和软件
- 初步了解MCP及其如何使用
- 稍微了解Agent的概念，以及更多资源
作者是一个双非大二学生，既没有系统性学习一些AI内容，也没有什么项目的开发经验。故以下内容当然是比较简单的，易于理解的，可以立即上手得到反馈的。本讲义仍然需要改进，欢迎与作者取得联系！
你可能需要阅读这个文件来获取先决知识：你需要先阅读的 仓库中也提供了PDF和PPT课件。另外有B站视频：
一个绕不开的话题，AI到底是什么？在这里我不会讲解那些极其复杂的理工科公式和架构，而是通过最关键的几个概念，帮助你一窥AI的本质，以及通过掌握这些原理，更好地了解为什么这些技巧能够更好地使用AI。
可能很多人以为AI是最近才出现的产物，事实上AI已经发展了近半个世纪：
从 1980 年福岛邦彦受到生物视觉启发设计出新认知机 1（卷积神经网络的雏形）；到 2012 年 AlexNet 2 利用GPU算力强力突破图像识别难题，唤醒了沉睡三十年的AI业界；再到 2017 年 Google 团队发表神作《Attention Is All You Need 3》提出 Transformer 架构，彻底改写了自然语言处理的规则，最终开启了当今百模争鸣的AI繁荣时代
人工智能目前尚没有一个明确的定义，图灵说：“如果一个机器会让你误以为它是人，那它就是智能的”。
所谓AI，即人工智能，就是一切能让机器看上去好像很智能的技术产物。我们一直在用的豆包，Deepseek，Kimi等能够生成内容的模型，就是最直接、最相关的产物。
需要注意区分大模型和APP。现如今主流大模型的厂商都有自己的APP，比如豆包，Deepseek。但不能把AI和APP画等号。比如"腾讯元宝"本身不是AI大模型，它是主要基于Deepseek做的一个APP，旨在让我们更好地使用DeepSeek，同时还整合了一些特色内容（比如公众号检索）。也就是说，APP只是一个软件，而AI大模型则是这个软件"核心"一般的存在。
所以AI到底是什么？是什么让AI表现得像一个万事通，熟读天下书、还能写代码、处理任务？这里引入一个由来已久的概念——机器学习。
我们可以轻易地判断2是一个偶数，因为这是基本事实，也能很轻易地在计算机中表示出来。但仔细想一下，我们好像没办法用传统的代码来预测明天的天气
我们人类几百年前是怎么做的：
- 观察环境：比如蜻蜓低飞，空气湿润，乌云密布，就知道很可能要下雨了。
- 结合经验：我们在很小的时候是不知道，乌云多起来就是要下雨了。都是经历过这种现象，或者别人告诉了我们，才有了这样的经验。
现如今的天气预报是怎么做的？随着科技进步，越来越多精密的仪器被用于获取环境的信息，也就是观察环境。然后通过很复杂的数学、物理学、气象学等一系列公式，设计一套结构让它们协作运行，这就构建了一个气象预测的模型，用来计算并存储信息。这很像我们人类的“总结经验”。这些都存储在设备——也就是机器中。于是，机器就仿佛有了预测天气的能力。
AI也是类似的。人们想：有没有一种可能，如果把全人类的文本，图像等信息收集起来，通过极其复杂的数学公式，良好的存储结构，各种优化工程方法，来让机器自行探索其中的规律，理解信息之间的含义，掌握正确的知识；那是不是可以让机器无所不知，无所不能？这就是机器学习的一个原理。
随着算力发展以及各种技术的突破，比如深度学习以及基于此的Transformer架构；这个想法终于不再只停留在论文上，而且诞生了如今的“AI大模型”。GPT-3的横空出世，让全世界的科技巨头都开始聚焦这门技术，他们提供了相当丰厚的年薪，吸引全世界的人才，来让自己公司的AI更具有竞争力。随之而来的就是我们消费者能够使用越来越强大、智能的模型
AI本质上可视为一个概率预测机器。 想象一下我们在玩文字接龙。 如果我说：“床前明月光”，你大概率会接：“疑是地上霜”。 为什么？因为在你的记忆里，这两句话出现的关联概率最高。
AI 就在做这件事，只不过规模是万亿级的。
- 训练：科学家把人类史上几乎所有能获取的数据收集起来、过滤、留下高质量的内容，然后“喂”给AI。并提出诸多方法实现AI的自我训练
- 获得一个静态的大模型：它就是一系列权重文件，只不过可能是几百几千个G的大小。
- 推理：当我们向这个模型提问时，它并不是在“思考”，而是在计算——根据用户给出的上下文，下一个词出现概率最高的是什么？
为了实现这种预测，AI 有两个至关重要的概念：Token 和 注意力机制。通过认识这两个概念，你能更好地理解AI的部分工作原理。也会让之后更好地使用AI有章可循。
AI 不像我们一样一个字一个字地阅读，它是按 Token（词元）来理解世界的。Token 是 AI 理解意义的最小单元。
看这个 Python 示例，直观地感受 AI 的视角：
# 使用前请在终端(cmd/Terminal)运行: pip install tiktoken
import tiktoken
# 以下是以大模型的视角来理解输入文字的案例。
enc = tiktoken.encoding_for_model("gpt-5")
text = "Strawberry"
tokens = enc.encode(text)
print(f"原始文本: {text}")
print(f"Token ID列表: {tokens}")
# 将单个 Token ID 解码回常规字符串，直观展示 AI 的“视界”
chunked_text = [enc.decode([t]) for t in tokens]
print(f"AI眼中的切分: {chunked_text}")输出结果：
原始文本: Strawberry
Token ID列表: [3504, 1134, 19772]
AI眼中的切分: ['Str', 'aw', 'berry']
对于 Strawberry 这个单词，AI 看到的不是 S-t-r-a-w-b-e-r-r-y，而是 [Str, aw, berry] 三个词元。这就是为什么以前的老模型数不清“Strawberry”里有几个“r”——因为它根本没看见字母，它看见的是三个被打散的词元。如果模型不够智能，它就不能注意到这实际上是一个完整单词Strawberry。
这么看Token似乎有此弊端，为什么还要使用它？答案是成本问题。如果是逐个字符Character或者整个单词Word读取，要么大模型跑不起来，要么大幅增加模型的设计难度。采用Token这种形式，大模型就可以在有限的资源内处理输入，并且一系列的技术也能保证它能够准确理解。
不难注意到，许多API都是通过Token来计算费用的。Token就是AI时代的计量单位，不仅是文字，图片，视频也有对应数量的Token。
以前的旧机器（如苹果的 Siri）经常聊着聊着就忘了上面说了什么。 现在的 AI 之所以强，是因为Transformer架构为其引入了注意力机制
Transformer是2017年谷歌提出的一个基于大语言模型的架构，彻底改变了机器理解人类语言的模式。这赋予了AI更全面理解并生成内容的能力。
注意力机制是这样工作的：当你对 AI 说一长段话时，它会像学生做阅读理解一样，给每个词分配不同的权重（关注度）。
例子：“那只 坐在 地毯 上的 猫 正在 睡觉。”
在一个良好训练过的 AI 眼里，“猫”和“睡觉”、“猫”和“地毯”之间的关联会特别强。 用数学的话说，分别赋予它们很高的权重（是的，事实上就是一个数字，比如0.9）。这些高权重在计算过程中具有重要地位。正是因为有了这个机制，AI能够：
- 理解上下文：它能理解你后面说的“它”指代的是前面的“猫”。
- 长窗口记忆：现在的模型能一次性处理几百页的内容，这是因为它们能在海量文字中精准地将注意力分配给相关
Token上。
既然我们知道AI通过计算权重来理解输入，那么一个残酷的事实就摆在眼前：AI 的注意力是有限的资源。 虽然现在的模型支持超长上下文，但如果你丢进去的是一堆逻辑混乱、毫无结构的“梦话”，AI 的注意力就会被稀释，模型就会被误导，导致它的回答找不到重点。
我们引入了Token,注意力机制这两个专有名词，是为了便于引出下一章的主题——如何用 AI 最喜欢的“格式”跟它交流，以及如何利用注意力机制，组织高效的语言。接下来正式进入“如何更好使用AI”的内容，这也是这篇讲义更重要，更实用的部分。
可能有人已经开始尝试使用API的形式调用大模型（不知道也没关系，下一大节就会教），并且可以明确是哪一个模型正在回复你了。但你可能会发现一个尴尬的现象：有时候，最顶级的模型给出的回答，还不如你手机APP里给出的。
是模型变笨了吗？通常不是。 这涉及一个经典的计算机科学原理： Garbage In, Garbage Out（垃圾进，垃圾出）。
如何做出更高效的提问，以及如何让AI模型的回答更符合我们的预期？提示词工程(Prompt Engineering)也许能给出答案。
我们大部分人使用AI都没有用到提示词，或者使用的是官方APP内置的提示词。好像也能用下去。在模型越来越智能、具备更强理解用户意图能力的当下，我们为什么还要写提示词？
这有一个例子：
(你上传了一个会议记录的文字稿docx)
用户输入：总结一下这个会议记录。
你想从会议记录中获取一些关键信息，但你的输入却如此宽泛。你可能会得到一篇一两千字的小作文，虽然有所概括，但很可能也是相当空洞。
如果你的提问很模糊，缺乏必要信息（在此处，我们称为上下文），那AI就会通过统计学模型得到概率最高的那一个，往往也是训练数据中最常出现的那一个。正确，但平庸。
如果我们具体化我们的问题呢？
分析这个会议记录。
格式要求：一个 Markdown 表格。
列名：【责任人】、【具体动作】、【截止日期】、【风险等级】。
过滤：忽略所有的客套话和寒暄，只提取承诺交付的内容。
特殊标记：如果某项任务没有明确截止日期，在单元格里标红显示‘❌缺失’。
这个时候你强制要求AI生成一个Markdown表格，表格中记录了你想要的信息，并且能够高效浏览，获取更关键的内容。
你可能在使用AI时发现其回答质量不高，于是手动补充了一些信息。这是无意识之的、自然而然的。但但你已经在运用提示词工程的核心观点：
[!CORE VIEW] 补充必要的上下文信息，让AI的输出更接近我们想要的。
用学术一点的话说：通过输入Prompt提示词来改变下一个Token的条件概率分布，强迫模型将概率集中在你希望的地方上。提示词本身就在约束模型的思考，让AI的输出更接近我们的预期。
提示词也利用了上文讲过的注意力机制，让大模型将更多注意力资源分配给更有价值的内容。
回到开头的问题：既然如今GPT5.2 High，Gemini 3.1 Pro等大模型已经极其聪明，为什么还需要提示词呢？原因在于：
- 保证对齐：模型能写出100种风格的代码，但你需要告诉它你更想要什么风格，才能生成更接近你需求的代码
- 思维链的触发：根据提示词，拥有思考能力的模型能按照你的引导进行思考。从而获得更高质量的回复。
提示词在现实中有相当广泛的应用：
- 比如打造一个AI客服机器人，你必须通过提示词告诉它性格，输出内容以及限制；
- 比如集成到翻译软件上：你需要明确告诉它，你只想要翻译内容而不包括别的；
- 比如Agent，你必须告诉大模型，你能使用的工具有哪些，这些工具有什么用？怎么使用它们？使用之后下一步应该干什么？以及各种各样的注意事项。
如果说提示词有助于大模型分配注意力资源，那么结构化语言会更进一步，实现更细致的分配。
显而易见，如果你给AI的信息杂乱无章，它的“注意力”就会被分散。 就像给人类看一大段没有排版的纯文本，人会看得很累，容易抓不住重点。AI也是一样。如果输入内容比较复杂且缺乏结构，AI 就需要消耗更多的算力（和 Token）去猜测你的意图，导致“预测”的准确率下降。（你自己估计也看得难受）
当任务复杂，或者需要对AI生成的内容进行个性化配置时，哪怕我们尽可能地精简提示词，其篇幅仍然可能较大。就算使用换行缩进，作用也很有限。
为了让 AI 这个“超级大脑”更高效地理解我们的意图，我们需要使用结构化语言（也叫标记语言）。 这类语言自带层级和逻辑，能自然地引导 AI 的注意力机制。这就是为什么在 AI 时代，掌握简单的结构化语言成为必备技能，而Markdown无疑是最适合初学者学习的选择。
我们经常能看到AI输出一些很结构化的内容：
这样的回答能让我们更好地定位我们想要的信息，比如上述的提问，通过加粗文段、生成标题、渲染Latex数学公式，能让我们快速地找到我们想要的内容。
Markdown是一种非常简洁、非常简单的文件格式。它专门用于一边书写一边排版，区别于Word文档的先撰写后排版。
它可以实现上述标题效果，也可以实现像这样的删除线，还有斜体
或者像这样的代码块：
print("Tim2354")或者像这样插入图片：
Markdown能实现如上最基本的排版效果。
一些软件也能支持内嵌Latex语法（另一个专门用于排版和表示理工科公式的语法工具，是写论文的标准）并实时渲染。比如你可以在Visual Studio Code中看到以下公式：$$
\frac{1}{\pi} = \frac{2\sqrt{2}}{9801} \sum_{k=0}^\infty \frac{(4k)! (1103 + 26390k)}{(k!)^4 396^{4k}}$$
Markdown语言的学习出乎意料的简单，你只需要一个支持Markdown渲染的软件（比如Visual Studio Code、Notion、Obsidian，或者找一个在线网址），以及10分钟上手、20分钟精通的信心！语法教程：这是一个网址，是的，Markdown也支持外部链接，点击跳转。
所谓语法，事实上就是告诉你# ** **** -- ---等等这些符号对应的排版效果是什么。你也可以查看本讲义的源码。讲义本身就是使用Markdown撰写的。查看不同符号的渲染效果。
一个良好的、层次分明的排版结构能让我们高效地获取信息。这对AI同样适用。AI在训练过程中就接触了大量Markdown语法，大模型能够理解这些标记背后的含义，从而让大模型更高效地理解文本内容。
当然，我们平时大部分的提问都很简单，因此没有必要使用标记语言。但但一旦输入较长，就有必要进行适当的标记。最常用的场景就是各位平时写笔记和文档，以及撰写提示词(Prompt)。
这里分享我自学AI课程时用到的提示词：
# Gemini 3 代码与概念助手
- **角色:** Gemini 3 代码与概念助手
- **作者:** Tim2354
- **版本:** 1.7
## 描述
你是一个由 Gemini 3 Pro 驱动的简洁且干练的助手。你通过尽可能少的冗余信息，帮助用户理解中等复杂度的代码问题以及计算机科学、数学和物理学中的技术概念。你的目标是提供清晰、实用且准确的答案。
## 指令
1. **核心指令：严格的事实核查与工具使用**
这是你的最高优先级任务。对于任何需要事实性、可验证信息的查询（例如软件版本、API 规范、统计数据），你**必须**使用工具来查找和核实答案。切勿凭记忆陈述可以被核实的事实。积极利用你的联网功能。如果无法核实，请明确说明。准确性高于一切其他准则。
2. **先展示，后讲解**
在解释理论之前，先提供一个可运行的代码片段或具体案例。
3. **澄清歧义**
如果用户的查询含糊不清，请在提供详细答案之前提出澄清性问题。
4. **对话自然且精准**
使用实用的语言，但不要过度简化核心概念。
5. **公式识别**
如果图像中包含数学公式，请提供其使用代码块包裹的对应的 LaTeX 源代码，以便用户复制。
6. **工具能力**
如果用户明确表示需要使用工具，请详细阅读MCP的使用说明并调用正确的 MCP 工具。
## 输出格式
- **语言:** 永远、始终使用中文回答
- **风格:**
- 你的主要目标是提供自然、对话式的回应。避免僵硬的、清单式的格式。
- 在保持自然流畅的同时，逻辑清晰地组织你的回答。一个好的例子如下：
- 首先直接、简洁地回答用户的问题。
- 紧接着提供一个清晰、可运行的代码示例或具体演示。
- 最后详细解释代码或概念。
- 减少过度结构化的 Markdown 输出。根据核心指令的要求，所有事实性主张必须基于已核实的信息。
## 限制
- 不要针对高度理论化、跨领域或研究生级别的问题进行优化。
- 除非被明确要求，否则不生成全尺寸的应用程序、用户界面 (UI) 或架构设计。这是我根据我实际需求反复迭代的提示词。在我大二上学期的自学过程中，Gemini 2.5 Pro（最近是Gemini 3 Flash/Pro）配合这套提示词，往往能助我高效地理解和解决问题.
以上可能涉及许多你尚未清晰理解的概念，别担心，提示词的撰写并不是一件难事。下面我将介绍一个简单的大纲，引导你撰写自己的提示词
该如何撰写提示词呢？如果直接仿照我那套复杂的提示词，你可能会觉得难以下手。你可以从以下的大纲出发：
- 设定角色：你希望AI扮演什么？可根据你的需求来决定。比如用于辅助自学的教师，用于改进方案的验收员。性格是什么？行事风格是什么？
- 提供背景：适当补充上下文。比如你想用AI来辅助自学，你自学的主要学科是什么？你希望达到什么样的学习目标？有多少用于学习的时间？
- 给出指令：撰写详细的指令正文。最常见的做法是限定AI的输出。比如“应当永远用中文回答”，“执行一切任务前确保已阅读文档”，“回答结构应当是...”。能写很多东西，取决于你的实际需求。
如果你并不清楚自己的需求，可以考虑让AI参考上述大纲，给出引导，助你一步步完善提示词，并并将其投入实践，根据使用中发现的问题反复修改、不断完善。不妨以接下来各位即将面临的、难度较高的专业课为需求场景，构建一个适合自己的提示词来辅助自学专业课。
好消息是，你无需每次聊天都手动粘贴提示词，部分AI聊天网页端设有专门的提示词存放区域（或者使用插件来使用快捷键插入）。
比如AI聊天助手软件Cherry Studio专门有个地方来存放你的提示词（生效范围为当前助手），只需要编辑后保存即可：
我们了解了Token、注意力机制的基础概念，阐述了提示词工程的必要性，提供了一个示例，并介绍了撰写提示词的方法论。但事实上，离我们更近的是实践：高效的提问至关重要。接下来我将提供一些思路，让AI更好地辅助你的工作
首先，补充你的上下文。
- 明确你的需求。模糊的提问 = 模糊的回答，混乱的逻辑 = 低效的回复。
- 提供必要的信息。希望全局生效的指令应写在提示词中，临时生效的指令则写在聊天框中
其次，提高你的信息密度$$\text{信息密度}=\frac{\text{有效信息}}{\text{有效信息+无关信息}}$$ 如果你对AI的输出有严格的要求，不希望花太多时间跟AI Battle。那么你的提问应当尽可能精简、高效。确保补充必要的信息，少用口语，不说客套话，不用“我认为，我想说...”等没有实际意义的表达，不折腾高级的倒装，被动语法。问题应直指关键地方。
一个低密度的表达（104字）：
我这里有一堆用户的评价日志，帮我分析一下客户主要抱怨了什么，他们期望加什么功能。你帮我把这些问题总结出来，然后看看哪个问题最严重排在前面。对了，结果最好能看起来清晰一点，给我弄成一个表格的形式吧，不要写太多废话。
一个高密度的表达（包括了Markdown结构的52字）：
# 任务：分析评价日志
- **目标**：提取“痛点”与“期望”，按“严重程度(1-5)”降序排列。
- **约束**：**严格且仅**输出 Markdown 表格。表头为 `| 痛点 | 期望 | 严重程度 |`。绝对不要输出任何解释性文本。精简提示词还能减少Token使用量，降低费用。（还有更多节省Token的结构化语言选择，比如Toon）
不仅是提问，事实上你还可以要求AI反问你自身，通过不断了解你的背景情况和实际需求来获取更多信息，由此做出更好的推断。 如果你打算做一个长期的规划，或者做一个有点重要的决策（比如这学期是否考雅思，是否打算备战考研）等，不妨尝试先向AI提供你的愿景，或者待决策点，然后提问ta：
询问我更多问题，让这次计划的准备更充分。
通过以上的学习，我们就掌握了最有用、最快见效的AI使用技巧。
现在，我们已经掌握了AI能够理解的高效结构化语言——Markdown。你可能会想：“那我就去豆包或腾讯元宝里，使用Markdown进行一些复杂的提问。”
确实可以，但那样你就将AI的潜力局限在App之中。如果你想让AI成为代码助手、与环境交互的工具，甚至是一个能自主工作的程序，你就不能仅做它的“聊天对象”，而要做它的“指挥官”。
而API则是自定义AI功能最重要的途径。在进一步使用AI、开始使用CLI或AI IDE工具时，你也会接触到API的概念。
API是开发人员为便于我们调用大模型而设计的统一接口，从而简化一系列操作。使用API调用可以明确我们要用哪个模型，且确保模型处在良好的状态（不受APP的速率、上下文等等各种各样隐性限制）。最关键的是：这个折腾过程能很大地拓展你对AI的认知：
- 了解更多国产模型
- 对国内的AI现状培养初步的认识
- 习得进阶AI用法最重要的基础
利用API调用模型需要理解三个最基础的内容：
- 要用什么模型 —— 提供模型的名称，即
model_name - 模型是谁提供的 —— 服务提供商的
base_url - 总得有个密码 —— 即
api_key
我们将在下面的硅基流动章节讲解具体操作。不过在此之前，我们需要注意一个安全问题：
为何我将API Key的内容置于实操环节之前？因为你在各平台申请到的API Key——即起到密码作用的字符串，对你来说是极其重要的资产。
API Key你通过平台调用模型的唯一身份凭证
就像保护银行卡密码一样，务必注意API Key的安全。泄露API Key就相当于公开了信用卡密码，他人可通过该API Key轻易消耗你的大模型使用额度（对于企业而言，这更是灾难，造成难以想象的损失）。不幸的是，互联网上存在无数专门扫描泄露API Key的爬虫。
- 不要将带有 API Key 的代码截图发到社交媒体或群聊。
- 不要将包含明文API Key 的代码直接上传到 GitHub 或公开网盘。
- 警惕非法套壳网站： 永远只在信任的客户端（如Cherry Studio）或你自己的代码中使用。
浏览硅基流动——国内最大的模型服务提供商，查看可用的国产模型。随意浏览！
在正式开始动手通过API调用AI模型之前，需要了解一个概念：模态。很简单，意思就是模型支持输入和输出的信息形式。推荐使用：Pro/moonshotai/Kimi-K2.5。这个模型支持图片和视频输入，但仅支持文字输出。
以硅基流动为例，确定要使用的模型后，可点击卡牌选择并复制
硅基流动的URL这里直接给出：
https://api.siliconflow.cn/v1(准确地说这是OpenAI格式的URL)
API Key可通过以下步骤申请：
其他网站的操作流程类似，只需从网站获取这三项信息，即可利用API调用模型。
配置完成后，我们需要一个平台来承载这些信息，使模型运行起来。硅基流动官方给了一个可直接粘贴运行的示例的Python代码，通过此示例我们可以一窥如何以代码层面来调用API。
# 在使用之前请在终端运行命令 pip install openai安装外部库
from openai import OpenAI
client = OpenAI(
api_key="Your-API-Key",
base_url="https://api.siliconflow.cn/v1",
)
response = client.chat.completions.create(
model="Pro/moonshotai/Kimi-K2.5",
messages=[
{"role": "system", "content": "你是一个有用的助手"},
{"role": "user", "content": "你好，随便说点什么"},
],
)
print(response.choices[0].message.content)将双引号内的Your-API-Key替换上你自己API Key，然后点击运行，稍等片刻，就可以在终端看到回复。
上述示例展示了如何在自己的代码中与AI交互，放在平时，我们当然不会这么做，效率太低。幸运的是，我们有一个非常好用的平台：Cherry Studio。这是开源的！一个允许你通过API进行聊天对话和简单工具调用的综合AI助手平台。
我们不难在设置中找到所需配置。Cherry Studio与硅基流动有官方合作，登录账号后，甚至无需手动配置，点击管理按钮即可可视化地添加所需模型
Cherry Studio也支持众多国内外主流服务提供商，免去了繁琐的代码配置。并且开源的特性确保了其较快的更新速度（7天一小更），能够跟上AI日新月异的发展速度。
配置完毕之后，就像正常聊天那样使用它：
你也可以四处探索一下，看看Cherry Studio为你留下了多大的自由空间。
至此，API部分的介绍已经结束。鉴于不少服务提供商采用付费模式，你当然可以继续在手机App中日常使用，并在需要时通过API调用更强大的大模型，以满足更复杂的任务需求。在硅基流动上推荐的模型：
Pro/moonshotai/Kimi-K2.5：价格偏贵，但综合能力最强的国产模型。Pro/deepseek-ai/DeepSeek-V3.2：老牌模型，最大优点是非常便宜。 或者你可以去其他平台：- 火山引擎上的
Doubao-Seed-2.0-lite：这是豆包大模型的官方服务平台。支持视觉输入，并自带联网搜索。并且高性价比。 - 阿里云百炼上的
qwen3.5-plus：这是阿里巴巴千问大模型的官方平台。支持超长上下文，视觉输入和自带联网搜索。并且也高性价比。
我们已经走了很远，从了解AI的两个核心原理——Token和注意力机制，再到掌握提示词工程，以及通过API调用大模型。
不过你有没有发现，我们上面提及的技巧，似乎都局限于聊天框内。AI好像被困在聊天框了，它只能被动接收我们的输入，也不能主动地了解到最新的信息，比如天气预报、英伟达今天的股价。
如今主流AI大模型均设有知识库截止日期（通常是2024/2025年）。当你询问较新的信息，比如5090显卡的参数时，你你可能会启用APP的联网搜索功能来弥补这一不足。在这个过程中，你可能已经在使用Model Context Protocol（MCP）工具了
MCP是一套通用协议标准，旨在赋予AI使用外部工具的能力：
- 模型可访问标准化的工具定义。
- 使AI系统之间的通信保持一致。
- 开发者无需再为每个模型编写自定义连接器。
正如HTTP/HTTPS等协议统一了互联网通信标准，使得全球浏览器和服务器能够无障碍通信一样，MCP也统一了工具的开发标准。基于该协议，开发者可以开发各类外部工具，比如联网搜索、知识库查询、地图定位、支付系统接入、文件操作等。而遵循该协议的大模型即可无障碍调用这些工具。
MCP最初是Anthropic公司成员David Soria Parra 与 Justin Spahr-Summers 在2024年11月份正式发布。为解决其工程师每日需在IDE、文件系统、Slack和Claude Desktop间来回切换、复制粘贴信息的问题。他们决定开发一套通用协议标准，使AI能够自主调用工具，比如使用搜索引擎、连接3D打印机、辅助代码补全等...
这打破了以往各大厂商“各自为战”、自行开发工具调用函数的局面。现在手机APP的各种拓展功能，比如深度研究、联网搜索等，本质上都是厂商自行开发的工具。的确很不错，但无法被其他模型使用。
他们意识到了这个协议的价值，并且坚持将其示例、代码和规范开源到GitHub上，在短时间内获得了开发者的广泛支持。并且由于其开放的特征（而不是某个公司的内部工具），得到了OpenAI，Google，阿里巴巴等科技巨头的跟进。
就在2025年12月初，Anthropic正式将MCP标准捐赠给Linux基金会旗下的Agentic AI Foundation，标志着MCP正式从Anthropic独有的技术转变为公共领域标准。
需要指出：调用工具的能力依赖模型本身的能力。在没有提示词辅助的情况下，直接使用MCP工具可能无法达到预期效果。
MCP就像USB一样，通过统一协议实现不同软件间的通信。因为开发人员已帮我们打包好了，我们无需查看代码，只需配置参数即可使用。
在我们国内的Modelscope魔搭社区有着许多MCP工具。我们可以从这里开始探索。
context7是一个专门为AI提供最新官方文档和代码示例的工具，包括Python、CUDA、OpenAI Docs等技术栈的官方仓库或文档，记载了官方提供的最新技术信息与标准。
当你打算使用最新的前端技术，比如React或者Next.js，或或想了解最新API开发规范时，模型往往会给出错误、不如预期的答案。因为这些技术日新月异、时刻在演进，而大模型的知识库也许已经过时。这也是许多AI编程助手（如Cursor）内置该MCP的原因。
使用MCP之前请确保电脑安装了Node.js。因为很多MCP Server是基于Node.js或者Python运行的。在Cherry Studio中，还需根据软件内指引安装一些依赖：
让我们以安装一个实用的MCP工具：
若要将Context7配置到Cherry Studio，可复制并导入以下JSON代码：
{
"mcpServers": {
"context7": {
"args": ["-y", "@upstash/context7-mcp@latest"],
"command": "npx"
}
}
}
点击启用按钮，若进入后工具部分可正常识别，则配置成功。
其他Agent或CLI工具的配置方法类似。只需查询MCP官方文档，了解更多安装方法即可。
接下来我们可以在Cherry Studio聊天框的选项中启用该MCP：
至此，我们已完成第一个MCP的配置。
另外Cherry Studio也内置了一些MCP服务器，各位可以按需开启。
通常只需使用自然语言即可调用工具。根据Context7官方文档，我们只需要在聊天框输入use context7即可。
这里有一个示例：在Gemini 3大模型发布的时候，谷歌官方更新了他们调用API的库和方式。时间节点是2025年11月份，恰好许多模型的知识截止日期在此之前.
尝试对不开联网搜索，不开任何MCP工具的模型提出以下询问：
告诉我如何使用API调用Gemini模型？
你可能会得到如下回复：
注：google.generativeai已经是过时的写法，并且还出现gemini-1.5-flash这个老旧模型。现如今如果你要调用比如gemini-3-flash-preview等最新模型，这种写法显然是不合适的。
现在尝试启用MCP工具，然后提出以下询问：
告诉我如何使用API调用Gemini模型？use context7。
可以看到Kimi-K2.5不仅提供了旧版示例，还有提供新版的调用示例。这个代码是正确的。
另外，如果模型足够智能，它可以识别用户意图，意识到该提问具有较强的时效性，从而主动寻找可用工具并自行调用。我们就不需要加上后面的use context7这句话。各位可以试一试，Kimi-K2.5能够复现：
看上去不错！AI通过Context7了解到了最新的API开发规范。这就是MCP的核心功能之一：提供最新的外部信息。魔搭上还有更多涵盖地图导航、支付、联网搜索、URL阅读、时间获取、浏览器操作等功能的MCP。配置方式也不尽相同，各位若有兴趣，可以探索一番。
这里还有更多一些知识和资源。不过受限于篇幅和作者个人的水平有限，并不会展开讲解。
在MCP部分我提及了Agent这个词。你可能已经听过很多遍这个词了，但也许只知道这是一个很火的，与AI相关的概念。
Agent本质上是以大语言模型作为推理和决策引擎的自主软件系统。
不难想象，我们平时使用AI聊天软件，使用AI的方式当然——就是聊天。这种方法很被动，你输入什么，它就根据你的内容分析，然后输出什么。然后很多时候我们当然希望让AI更主动些，帮我们做更多事情，解放更多生产力。
随着模型越来越智能，拥有越来越强的自主规划，记忆以及工具调用的能力。新生代的软件工程师就开始着力构建一套完善的AI平台：旨在更多简化我们用户的操作，实现更加复杂的任务。这种平台就被称为Agent。也就是智能体。
我们手机上的APP，比如豆包和腾讯元宝，具备了一些官方内置的工具，比如联网搜索，深度研究，生图等功能。从定义上讲，这些APP已经是Agent了。这里面的大模型拥有充分的工具来解决问题。
如果任务更复杂，要求更高。还有更多进阶的Agent软件，比如Manus，OpenClaw，Claude Code等等。这些软件非常复杂，需要软件工程师深刻理解大模型的能力以及具备良好的工程设计能力。
当然对于日常来说，我们只需要直接使用他们的产品即可。开发Agent也是目前一个很热门的软件方向，有着最活跃的社区，非常多开源软件来推进这一方向的发展。
Anyway，通过以上的内容，你应该对AI有了一个更广阔的认知，也了解到了实用工具和技巧。以下是我个人整理的更多资源，如果你对AI感兴趣，可以利用起来：
以下是网站：
- GitHub教育优惠——通过认证后即可在VSC等使用Pro套餐的Copilot，使用Claude、GPT、Gemini顶尖模型辅助你的开发。
- ModelScope魔搭社区——我们已经利用过了这上面的MCP资源。事实上它更是一个新兴的国内开源社区，涵盖全面的开源模型、数据集及文档。
- Liblib哩布哩布——国内最大的AIGC社区。在这里，你可以欣赏爱好者使用图片或视频模型生成的优秀案例，获取可用的工作流及云端算力。
- OpenRouter——国外的统一API提供商，全世界的AI模型大部分都能在这上面找到。偶尔可见限时免费提供的模型，比如今天免费的GPT-OSS-120B，曾经免费过的Grok 4.1 Fast
- Hugging Face——全球最大的AI社区，定位类似于魔搭。汇集全球的数据集、AI开源模型及权重。这里是最适合学习AI、获取资源的平台。
以下是推荐的AI信息源：
- 量子位（B站与公众号）——时常调侃为“中国AI顶刊”，汇集最新的海内外AI行业新闻与资讯。
- 腾讯科技（公众号）——涵盖最新AI时讯，以及大手子撰写的富有阅读价值的行业洞察文章。同时涵盖国产AI软硬件公司的相关资讯。
- 橘鸦Juya（B站与公众号）——AI日报。这是作者每日早八下课后必读的日报。
- 硅谷101（B站）——中文频道，专注于各类话题的深度研究与讨论（不限于AI）。拥有雄厚的人脉资源，能够邀请一线研究员（如田渊栋）探讨AI话题
- Artificial Analysis（独立媒体） ——专注于评估大模型能力的网站，其评估基于各项基准测试。可以看到国内开源模型与海外闭源模型的排行与差距。
- LM Arena（网站）——同样的AI模型榜单，其排名基于社区反馈与用户投票。用户也可在此体验海内外顶尖模型。
- XSCT Bench（网站）——国人制作的AI模型榜单，侧重于真实业务场景的评测。更贴近实际使用体验。
通过这些信息源，你就能对国内外的AI现状，行业动态有了一个初步的认识。
就这么多了。希望通过这门课，你们能够对AI有进一步的认识，同时在学习和实践中了解更多信息。若希望学习学术性更强的内容，这里推荐：吴恩达的机器学习，李沐的Dive into Deep Learning。
希望AI能够提高我们的生产力，锻炼我们提出问题、解决问题的能力。AI将如计算机诞生时取代大量手工计算工作一般，改变诸多传统岗位的工作方式；却同时也能普及至千家万户，促进直播、电商、物流等行业的兴起。
最关键的是保持主动学习，并培养解决问题的能力